文献

J-GLOBAL ID：202002216943350752   整理番号：20A1529564

拡散強調画像の生成的敵対ネットワークに基づく超解像:乳癌における腫瘍ラジオミクスへの応用【JST・京大機械翻訳】

Generative adversarial network-based super-resolution of diffusion-weighted imaging: Application to tumour radiomics in breast cancer

著者 (7件)： Fan Ming (Institute of Biomedical Engineering and Instrumentation, Hangzhou Dianzi University, Hangzhou, China) ,  Liu Zuhui (Institute of Biomedical Engineering and Instrumentation, Hangzhou Dianzi University, Hangzhou, China) ,  Xu Maosheng (Department of Radiology, First Affiliated Hospital of Zhejiang Chinese Medical University, Zhejiang, Hangzhou, China) ,  Wang Shiwei (Department of Radiology, First Affiliated Hospital of Zhejiang Chinese Medical University, Zhejiang, Hangzhou, China) ,  Zeng Tieyong (Department of Mathematics, The Chinese University of Hong Kong, Shatin, Hong Kong, China) ,  Gao Xin (Computational Bioscience Research Center (CBRC), Computer, Electrical and Mathematical Sciences and Engineering Division (CEMSE), King Abdullah University of Science and Technology (KAUST), Thuwal, Saudi Arabia) ,  Li Lihua (Institute of Biomedical Engineering and Instrumentation, Hangzhou Dianzi University, Hangzhou, China)
資料名： NMR in Biomedicine (Nuclear Magnetic Resonance)  (NMR in Biomedicine (Nuclear Magnetic Resonance))
巻： 33  号： 8  ページ： e4345  発行年： 2020年 
JST資料番号： T0635A  ISSN： 0952-3480  CODEN： NMRBEF  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 拡散強調イメージング(DWI)は,乳房腫瘍患者の臨床管理を誘導するためにますます使用されている。しかし,DWIによる正確な腫瘍キャラクタリゼーションと対応する見かけの拡散係数(ADC)マップは,それらの限られた解像度のために挑戦的である。本研究は,超解像度(SR)ADC画像を作成し,乳癌の組織学的悪性度とKi-67発現状態を予測するためのラジオミック分析を実施することにより,これらのSR画像の臨床的有用性を評価した。この目的のために,動的増強磁気共鳴イメージング(DCE-MRI)の322サンプルと対応するDWIデータを集めた。SR生成敵対(SRGAN)と二立方補間と共に強化された深いSR(EDSR)ネットワークを利用して,ラジオミック特徴を抽出したSR-ADC画像を生成した。データセットを開発データセット(n=222)にランダムに分離し,DCE-MRIと検証データセット(n=100)を用いて,ADC画像の分解能を改善した。データセットのこのランダム分離を10回行い,結果を平均化した。EDSR法は,客観的品質基準に関して,SRGANおよび双立方法よりも著しく良好であった。ラジオミック特徴の単変量および多変量予測モデルを確立し,受信者動作特性曲線(AUC)下の面積を決定した。腫瘍SR-ADC画像からの個々の特徴は,EDSRおよびSRGAN法で,双立方法および元の画像よりもより高い性能を示した。集団ラジノミクスの多変量解析は,EDSRおよびSRGANに基づくSR-ADC画像が,Ki-67発現レベル(それぞれ,0.818および0.801のAUC)または腫瘍グレード(それぞれ,0.826および0.828のAUC)の予測において,双立方法および元の画像よりも良好に機能することを示した。本研究は,ADC画像の分解能の改善に加えて,深いSRネットワークも乳癌における腫瘍画像ベースの診断を改善できることを示す。Copyright 2020 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 多変量解析 ,  *ネットワーク ,  分解能 ,  内挿法 ,  *腫瘍 ,  *超解像 ,  キャラクタリゼーション ,  NMRイメージング ,  品質基準 ,  *乳房腫瘍 ,  予測モデル
準シソーラス用語： Ki-67抗原 ,  ROC曲線 ,  見掛の拡散係数 ,  多変量 , 【Automatic Indexing@JST】

著者キーワード (6件)： 見かけの拡散係数 ,  乳癌 ,  強化された深い超解像 ,  組織学的グレード ,  Ki-67 ,  超分解能生成敵対ネットワーク

分類 (2件)： 腫ようの診断  (GE03020J) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (7件)： 拡散強調画像 ,  敵対 ,  超解像 ,  乳癌 ,  腫瘍 ,  ラジオミクス ,  応用